一种基于振动信号的风机塔筒气动力识别方法与流程

本发明涉及风电结构健康监测，尤其涉及一种基于振动信号的风机塔筒气动力识别方法。

背景技术：

1、风力发电机高度高，阻尼低，属于风敏感结构，强风下风机破坏现象时有发生。准确获取风力发电机运行状态下的塔筒结构风致气动力对其设计及整体健康状态评估具有重要意义。然而，目前直接测量运行环境下的风机塔筒气动力十分困难，因此需要借助其他监测指标来进行反算从而识别处风机塔筒的气动力。本专利提出一种基于实测风机塔筒振动响应信号的(如位移、加速度等),风机塔筒结构气动力识别方法。该技术可以获得风机塔筒结构气动力的分布，为进一步研发相应的气动力监测传感器提供基础算法，有助于保障风电机组的长期安全运行。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于振动信号的风机塔筒气动力识别方法，可以获得风机塔筒结构气动力的分布，为进一步研发相应的气动力监测传感器提供基础算法，有助于保障风电机组的长期安全运行。

3、为解决上述技术问题，本发明提供如下技术方案，一种基于振动信号的风机塔筒气动力识别方法，包括：

4、对采集的数据进行振动数据的筛选和优化；未知节点位移拓展；识别气动力荷载。

5、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述振动数据的筛选和优化包括，振动数据的选取至少应包括三个振动信号传感器加速度或位移计，且其中一个传感器应尽量位于塔筒的顶部；

6、分析所用的振动传感器数据通常应为位移数据，若采集信号为加速度数据，则按下式对其进行二次积分并转换为位移数据：

7、

8、式中u(t)为位移数据，α(λ)为加速度数据。

9、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述振动数据的筛选和优化还包括，实测数据通常包含大量的噪声干扰信号，直接应用于气动力反演会导致结果失真，需对振动数据进行筛选优化，过滤掉干扰信号，筛选反映模态信息的振动数据，具体过程如下：识别出振动信号的局部最大点和局部最小点，通过样条函数对局部最大值和局部最小值包络处理得到上包络曲线bmax和下包络线bmin，如下：

10、snew＝sori-(bmax+bmin)/2        (2)

11、式中sori为初始信号，snew为处理后信号。

12、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述振动数据的筛选和优化还包括，重复操作直到(bmax+bmin)/2＝0为止，此时得到的snew即为分离得到的第一阶本征函数(if)，将初始的位移信号uori减去初步分离得到的if得到残差ur，如下：

13、ur＝uori-if         (3)

14、对残差ur重复上述操作得到各阶if分量，对于分离出的各阶if进行傅里叶变化，挑选出共振频率为塔筒结构模态频率的if分量，若有多个if分量分布于结构模态频率周围，则以功率谱密度为标准挑选出对应最大功率谱密度值的if分量来代表对应模态的振动信号。

15、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述振动数据的筛选和优化还包括，

16、按照风机结构模态频率由低到高的原则选择各阶对应的ifi，并按照下式(4)进行组合，以得到消除信号干扰后的振动信号数据：

17、

18、式中u(t)为去除噪声干扰的振动信号数据，ifi为筛选出的表征第i阶模态信息的if分量，k为所需的总模态阶数。

19、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述未知节点位移拓展包括，根据风机结构参数构建质量缩聚模型，即将风机结构离散成多个单元，每个单元为一个集中质量节点，确保传感器位置在集中质量节点处，根据质量缩聚模型，建立以下对应的风机动力学方程，

20、

21、其中，f为n×1维的风荷载矢量，u为n×1维的去除噪声干扰后的位移矢量，mn、cn和kn分别为n×n维的质量、阻尼、刚度矩阵，由结构有限元设计模型提供，n为风机结构离散的单元数量。

22、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述未知节点位移拓展还包括，由于风机塔筒的振动主要由前两阶模态贡献，故节点位移可近似表示为

23、ui＝φi1y1+φi2y2        (6)

24、式中ui为缩聚模型第i个节点的位移，φi1和φi2为第i个节点在第1阶和2阶模态下的位移，可由结构有限元设计模型，y1、y2分别为1、2阶模态的广义坐标；

25、将实测节点振动响应u1最高点位移和u2第二高度传感器位移数据代入下式(7)求出广义坐标：

26、

27、将求解出的广义坐标代入式(6)即可拓展得到不同高度节点的位移响应矩阵u11；

28、按照公式(7)，再次以u1和u3最低位置传感器位移数据为位移输入重新求解新的模态坐标，并再将其代入公式(6)得到各个节点的新位移响矩阵得到u22，对两次求解得到的节点位移数据取平均值得到umean，如式(8)所示，并将其作为下一步识别气动力荷载的输入

29、umean＝(u11+u22)/2                         (8)

30、作为本发明所述的基于振动信号的风机塔筒气动力识别方法的一种优选方案，其中：所述识别气动力荷载包括，对位移信号进行傅里叶变换得到频域里的位移响应信号x(ω)，如式(9)：

31、x(ω)＝∫umean(t)exp(-jwt)dt                      (9)

32、式中j为虚数，由此气动力的功率谱矩阵f(ω)可表示为：

33、f(ω)＝(hth)-1htx(ω)                      (10)

34、式中h(ω)是结构的频响函数矩阵，可由风机结构设计模型获得。按下式(11)对气动力功率谱矩阵f(ω)作傅里叶逆变换得到气动力时程：

35、f(t)＝1/2π∫f(ω)exp(-iwt)dω       (11)

36、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现基于振动信号的风机塔筒气动力识别方法的步骤。

37、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于振动信号的风机塔筒气动力识别方法的步骤。

38、本发明的有益效果：本发明方法利用有限的实测振动响应数据拓展和识别得到沿塔筒不同高度的风机结构气动力,为风机结构开展健康监测、风险预警提供关键技术支撑，解决了当下气动力监测传感器缺失的不足，有助于保障风机结构的长期安全运行。

技术特征：

1.一种基于振动信号的风机塔筒气动力识别方法，其特征在于：包括，

2.如权利要求1所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述振动数据的筛选和优化包括，振动数据的选取至少应包括三个振动信号传感器加速度或位移计，且其中一个传感器应尽量位于塔筒的顶部；

3.如权利要求2所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述振动数据的筛选和优化还包括，实测数据通常包含大量的噪声干扰信号，直接应用于气动力反演会导致结果失真，需对振动数据进行筛选优化，过滤掉干扰信号，筛选反映模态信息的振动数据，具体过程如下：识别出振动信号的局部最大点和局部最小点，通过样条函数对局部最大值和局部最小值包络处理得到上包络曲线bmax和下包络线bmin，如下：

4.如权利要求3所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述振动数据的筛选和优化还包括，

5.如权利要求4所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述振动数据的筛选和优化还包括，

6.如权利要求5所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述未知节点位移拓展包括，根据风机结构参数构建质量缩聚模型，即将风机结构离散成多个单元，每个单元为一个集中质量节点，确保传感器位置在集中质量节点处，根据质量缩聚模型，建立以下对应的风机动力学方程，

7.如权利要求6所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述未知节点位移拓展还包括，由于风机塔筒的振动主要由前两阶模态贡献，故节点位移可近似表示为

8.如权利要求7所述的一种基于振动信号的风机塔筒气动力识别方法，其特征在于：所述识别气动力荷载包括，对位移信号进行傅里叶变换得到频域里的位移响应信号x(ω)，如式(9)：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

技术总结本发明公开了一种基于振动信号的风机塔筒气动力识别方法包括，对采集的数据进行振动数据的筛选和优化；未知节点位移拓展；识别气动力荷载。本方法利用有限的实测振动响应数据拓展和识别得到沿塔筒不同高度的风机结构气动力,为风机结构开展健康监测、风险预警提供关键技术支撑，解决了当下气动力监测传感器缺失的不足，有助于保障风机结构的长期安全运行。技术研发人员：杜洪,张震,于海鹏,郑海,罗震,戴志龙,马龙飞受保护的技术使用者：华能浙江平湖海上风电有限责任公司技术研发日：技术公布日：2024/7/18